Google検索AIモードが進化、Labsユーザーへ提供拡大し画像質問可能なマルチモーダル機能導入

text: XEXEQ編集部
（記事は執筆時の情報に基づいており、現在では異なる場合があります）

IT・テックのコネクトメディア「ゼゼック」
カテゴリ毎のアーカイブ記事一覧
【カテゴリ別】2025年04月のアーカイブ一覧
【2025年04月】AIに関するアーカイブ一覧
【2025年04月09日】AIに関するアーカイブ一覧
Google検索AIモードが進化、Labsユーザーへ提供拡大し画像質問可能なマルチモーダル機能導入

記事の要約

GoogleがAIモードを米国のLabsユーザーに提供開始
AIモードにGoogle Lens連携のマルチモーダル機能導入
画像アップロードで複雑な質問と詳細回答が可能に

Google、AIモードのLabsユーザー提供開始とマルチモーダル機能導入を発表

Googleは2025年4月7日、検索結果ページでAIによる回答を表示する「AIモード」について、米国内のGoogle Labsユーザー数百万人に提供を開始したと発表した。これにあわせて、Google Lensの強力なマルチモーダル機能をAIモードに統合し、ユーザーが画像を使ってより複雑な質問を行えるようにしたのである。^[1]

この新しいマルチモーダル機能は、ユーザーが写真を撮影するか画像をアップロードし、それに関する質問を投げかけることで、詳細な情報とさらに深く掘り下げるための関連リンクを含む、豊かで包括的な回答を得られるように設計されている。Lensの高度な視覚検索能力と、特別にカスタマイズされたGeminiモデルを組み合わせることで、視覚情報に基づいた複雑な問い合わせが容易になるのだ。

AIモードはGeminiのマルチモーダル能力を活用して画像内のシーン全体を理解し、オブジェクト間の関係性やそれぞれの素材、色、形状、配置といった文脈情報まで把握することが可能である。さらに、Google独自の「query fan-out technique」を用いて画像全体と内部の各オブジェクトについて複数のクエリを自動生成し、従来の検索よりも広範かつ詳細な情報アクセスを実現している。

Google AIモードの新機能概要

項目	詳細
対象機能	Google検索 AIモード
新機能	Google Lens連携によるマルチモーダル検索機能
提供対象	米国のGoogle Labsユーザー (拡大中)
利用可能プラットフォーム	Googleアプリ (Android, iOS)
基盤技術	Google Lens, Gemini (カスタムバージョン), query fan-out technique
利用方法	写真撮影または画像アップロードし質問
主な利点	画像に関する複雑な質問への回答、詳細情報・関連リンクの提示

マルチモーダルについて

マルチモーダルとは、テキスト、画像、音声、動画など、複数の異なる種類の情報（モダリティ）を組み合わせて処理、理解する能力や技術のことを指している。主な特徴として、以下のような点が挙げられるだろう。

複数の情報源からの入力を統合的に分析
テキストだけでは捉えきれない文脈やニュアンスの理解
画像の内容説明、動画の要約、音声からのテキスト生成など多様な応用

今回GoogleがAIモードに導入したマルチモーダル機能は、まさに画像という視覚情報と言語（質問テキスト）を統合的に扱うことで、ユーザーの意図をより深く理解し、画像の内容に基づいた的確な回答生成を可能にしている。これにより、例えば棚にある本について質問したり、見慣れない植物の種類を特定したりするなど、従来テキスト検索だけでは困難だった情報探索が実現できるようになるだろう。

Google AIモードのマルチモーダル機能導入に関する考察

Google検索AIモードへのマルチモーダル機能導入は、情報検索のあり方を大きく変える可能性を秘めており、特に画像や実世界のオブジェクトに関する疑問を手軽に解決できる点は高く評価できるだろう。しかし、AIが生成する回答の正確性や、著作権で保護された画像の使用に関する倫理的な問題、プライバシーへの配慮など、潜在的な課題も無視できないはずだ。

これらの問題に対しては、生成AIの回答には常に実験段階であることを明記し、ユーザーにファクトチェックを促す仕組みや、画像認識におけるバイアスの低減、著作権侵害を防ぐフィルタリング技術の継続的な改善が解決策として考えられる。今後は、動画や音声など、画像以外のモダリティへの対応拡張や、よりパーソナライズされた対話形式での情報探索支援機能の追加が望まれるところだ。

Googleには、責任あるAI開発の原則に基づき、技術の進化とユーザー保護のバランスを取りながら、AIモードをさらに洗練させていくことを期待したい。マルチモーダルAIがもたらす直感的で豊かな情報アクセス体験が、私たちの知識獲得や問題解決の方法をどのように変えていくのか、その進化を引き続き注視していく必要があるだろう。